EngTrace工程推理过程评测基准发布
热点事件持续更新
EngTrace工程推理过程评测基准发布
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Ayesha Gull等人发布了面向工程推理可验证过程评估的符号基准EngTrace。该基准包含150个专家认证模板，覆盖5大工程分支、15个领域和42个子领域。 EngTrace采用金标准推理轨迹精确验证中间步骤，其评估器在不使用大语言模型判定的情况下，通过检查最终答案、中间量覆盖率和算术展示来评估模型表现。 在11个大语言模型上的测试显示，最终答案难以区分顶尖模型，但推导过程存在显著差异，为工程推理能力的过程化评估提供了新工具。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
EngTrace：一项面向工程推理可验证过程评估的符号基准报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLPEngTrace：一项面向工程推理可验证过程评估的符号基准
EngTrace 发布了包含 150 个专家认证模板的符号基准，覆盖 5 大分支、15 个领域和 42 个子领域，通过金标准推理轨迹精确验证中间步骤。 其评估器主要在不使用 LLM 判定的情况下，检查最终答案、中间量覆盖率和算术展示，并在 11 个大语言模型上显示最终答案难以区分顶尖模型，而推导过程差异显著。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。